无痛学会分解机(Factorization Machine，FM)算法总结

FM(Factorization Machine)主要是为了解决数据稀疏的情况下，特征怎样组合的问题。此算法的主要作用是可以把所有特征进行高阶组合，减少人工参与特征组合的工作。FM只需要线性时间复杂度，可以应用于大规模机器学习。

预测任务

模型方程

回归和分类

学习算法

注：上面最后一句话应该是"而 $g_{\theta}(x)$则利用 $\widehat{y}(x) - \theta h_{\theta}(x)$来计算"

参考文献

转载来源，原文链接失效。